Groupby 和 sum datetime64 在 pandas 中按周末的几天约会

Question

我看到了多个数据按星期几分组的问题，但我没有找到任何数据按几天分组的问题。

我有一个数据集

   date    day_type     bus  rail_boardings  total_rides
6636 2019-01-01        U  248879          245852       494731
6637 2019-01-02        W  591006          573542      1164548
6638 2019-01-03        W  664442          627781      1292223
6639 2019-01-04        W  668812          628514      1297326
6640 2019-01-05        A  444434          348257       792691

如您所见，我有 day_type，其中 W = 工作日，A = 星期六，U = 星期日/节假日。

我想使用 pandas 和 matplotlib 显示特定周末（周五/周六/周日）没有节假日的活动下降，并可视化为时间序列。它将允许我比较 2019 年和 2020 年之间周末的活动。星期六日期可以是日期列中的日期（或星期五，或星期日，无所谓）。

理想输出：

date                day_type   bus      rail_boardings  total_rides
6636 2019-01-01        Weekend 1  248879          245852       494731
6637 2019-01-07        Weekend 2  591006          573542      1164548
6638 2019-01-14        Weekend 3  664442          627781      1292223

欣赏任何想法！

Answer 1

你在这里问的是一个定制的解决方案，尤其是。按周六和周日的分类在不同的垃圾箱中，比如

df= pd.DataFrame({'date': pd.date_range('2018-01-01', periods=50, freq='d'), 'value':[1]*50})
map_days = {
    6: 'A',
    5: 'U',
    4: 'W',
    3: 'W',
    2: 'W',
    1: 'W',
    0: 'W'}
df=df.assign(grouper=lambda x:x['date'].dt.weekday.map(map_days))
df.groupby('grouper')['value'].count()

否则，您也可以使用 pandas buildin 工作日，请参阅 https://pandas.pydata.org/pandas-docs/stable/user_guide/timeseries.html#timeseries-custombusinessdays，但您总是会得到二进制分类。